视频跟踪一直是国内外的研究热点之一,它在诸如导航、安全监控、医学和科研等领域都有广阔的应用前景,对视频中空域目标的跟踪也早已成为军事领域研究的关键技术。其中对目标检测与跟踪算法的设计将直接影响视频跟踪效果的准确性和稳定性。目前已有许多文献针对目标检测提出了优化算法,但是单纯地依靠目标检测来处理空域目标往往难以进一步提高跟踪的性能,而将其和有效的跟踪或滤波算法有机结合则有可能实现稳定的目标跟踪。因此,本文针对视频中空域目标的跟踪问题就目标检测算法和状态估计问题展开了研究。首先围绕目标检测算法,设计了目标跟踪波门,并结合阈值分割方法对灰度图像实现二值化,接着提出最近邻关联算法对由图像二值化所产生的虚假目标进行了有效剔除,从而检测出真实目标,仿真实验证明了该算法的有效性。然后在目标跟踪中,先是利用标准卡尔曼滤波算法来预测跟踪空域目标,在分析了目标的测量误差引入的相关性后,进而利用测量噪声去相关条件下卡尔曼滤波对目标的特征点进行了有效估计,在实现对目标准确跟踪的同时也增强了跟踪系统的鲁棒性。最后分别基于CA,Singer,“当前”统计模型以及IMM模型,对多个目标样本数据进行了跟踪测试,对比并分析了不同模型下的状态估计精度,给出了适于空中视频目标跟踪的模型和自适应滤波算法。理论分析和数值仿真表明,测量噪声去相关条件下卡尔曼滤波算法与标准卡尔曼滤波相比,估计误差明显减小,而采用IMM模型,则进一步提高了视频跟踪精度,为以后的空域视频跟踪提供了有益的参考。